Otepää looduspargi kasvukohatüüpide kaart
|
|
- Siim Lukin
- 4 aastad tagasi
- Vaatused:
Väljavõte
1 Remm, K Otepää looduspargi taimkatte kasvukohatüüpide kaart. In: T. Frey (toim.) Eesti süsinikubilansi ökoloogiast ja ökonoomikast. Eesti XIII ökoloogiapäev 03. mail 2002 Tartus EPMÜ aulas. Tartu. Lk Otepää looduspargi taimkatte kasvukohatüüpide kaart Kalle Remm Tartu Ülikooli geograafia instituut Looduse kirjeldamine, kaasa arvatud süsiniku bilansi arvutus, on loodetavasti täpsem, kui see toimub ruumipõhiselt ehk ruumiliselt ilmutatult. Ruumipõhine analüüs eeldab kaardistamist ja kaardistatavate nähtuste abstraheerimist. Viimane toimub enamasti liigitades looduse lõpmata suurt mitmekesisust mingitesse klassidesse. Üks võimalik looduse kirjeldamise ja üldistamise viis on taimkatte kasvukohatüüpide kaardistamine. Sama kasvukohatüübi piires võib eeldada teatud taimekoosluste (sagedamat) esinemist ja ökosüsteemi funktsioneerimise teatud tüüpe. Kasvukohatüüpe või muid sarnaseid ruumilisi üksusi on kaardiandmete järgi varemgi välja joonistatud (Arold et al., 1999). Ruumiliste muutujate või klassifikatsiooniüksuste kõrgusmudeli, mullaandmete ja üksikvaatluste järgi kaardistamise ja prognoosimise näiteid võib samuti maailmast leida (näiteks Klijn et al., 1996, McKenzie et al., 1999). Kasvukohatüüpide kaardi automatiseeritud genereerimist ei ole siinkirjutaja teada vähemalt Eestis varem tehtud. Kasvukohatüüpe saab määrata nendel kasvava taimkatte, mulla, reljeefi ja muude topograafiliste andmete järgi. Kõikide taimkondade Eesti kasvukohatüüpide klassifikatsioon ja kirjeldused on raamatuna avaldatud (Paal, 1997). Digitaalne 1 : mullakaart on valminud kogu Eesti kohta, 1 : põhikaart on valmimas, varasemaid topograafilisi kaarte on võimalik kasutada skaneeritud kujul. Otepää looduspark on piirkond, mille kohta on loodud lisaks eelmainitule ka küllaltki detailne kõrgusmudel, millest saab automaatselt genereerida mitmeid maapinna kõrguse, kuju ja vormi arvulisi näitajaid ehk parameetreid (näiteks nõlvakalle, nõlva suund, pinna kõverus piki ja risti nõlva ja mitmel viisil arvutatud suhteline kõrgus) (joonis 1). Otepää looduspargi 31 ruutkilomeetril toimus a. suvel ka taimkatte ja kasvukohatüüpide välikaardistus (Remm, 2001). Välikaardistusel eristati kasvukohatüüpe indikaatortaimede ja koosluse üldilme järgi. Võrreldes J. Paali (1997) klassifikatsiooniga, eristati välikaardistusel kõdusooniitu (niit kuivendatud turbapinnasel) ja sürjaniitu (kuiv liigirikas niit lubjarikkal moreenil). Kasvukohatüüpide kaardi koostamisel on vaja otsustada maapinna iga koha (rasterkaardi piksli) kuuluvus ühte või teise klassi. Seega on tegemist klassifitseerimisülesandega. Klassifitseerimine võib toimuda: 1) suurimaid erinevusi põhjustavate tunnuste otsimise teel (diskriminantanalüüs), 2) järsemate üleminekute otsimisega väärtuspinnal (pinna segmentatsioon), 3) järk-järgult tunnuste kaupa otsuseid langetades (klassifikatsioonipuud), 4) sarnaseid vaatlusi ühendades või vaatlusi allhulkadesse jagades (klasteranalüüs), 5) vaatlusi etteantud tüüpidega võrreldes (etalonidega võrdlemine). Kui lähtutakse olemasolevast klassifikatsioonist (näiteks Paal, 1997), siis on klassid ja nende kirjeldused ette antud ja uue klassifikatsiooni loomine ei ole seega eesmärgiks. Klassifitseeritavad pikslid on vaja liigitada olemasolevatesse klassidesse. Teisest küljest, kui inimteadvus liigitab tundmatuid nähtusi nende tunnuseid varemkogetu mälestusega (näidiste ehk etalonidega) võrreldes, siis miks peaksime arvuti abil teisiti toimima? Etalonidega samastamine on äärmiselt paindlik meetod, see eeldab, et objektide sarnasust on võimalik mõõta ja võrrelda, kuid ei sea tunnustele muid tingimusi. Etalonide komplekt võimaldab esindada tunnuste tüüpilisi kombinatsioone eristatavates klassides. Etalonidega samastamist saab kasutada ka lünklike lähteandmete korral, juhul kui arvutatavad sarnasused nii normeerida, et nende oodatavad väärtused ei sõltuks kasutatud tunnuste hulgast. Etalonid võimaldavad klassifitseerida muutujaid erimahulistesse ja erineva heterogeensusega klassidesse. Ühte klassi võib esindada mitu erinevat etaloni. Etalonide kasutamine ei eelda nähtuste eelnevat üldistamist ja üldistatud kujul kirjeldamist. Klassifitseeritavat nähtust kirjeldavad nähtuse üksikjuhtude esindajad. Etalonide ehk analoogidega sobitamist uuritakse kõige enam psühholoogias, meetodit kasutatakse ka paleoökoloogilistes rekonstruktsioonides (Birks, 1993, Flower et al., 1997) ja liikide leviku modelleerimisel (Wilds et al., 2000); kujutise töötluses on lähedane uurimisala mustri äratundmine (pattern recognition).
2 Topograafiliste andmete ettevalmistus Andmete automaatseks töötlemiseks peavad need olema digitaliseeritud, mingil kindlal kujul formaliseeritud ja salvestatud. Andmete ettevalmistus on digitaaltehnoloogia ajastul sageli analüüsi töömahukaim etapp. Kasvukohatüüpide kaardi genereerimiseks tehti järgnevad ettevalmistavad tööd. 1. Areaalide genereerimine nendele põhikaardi lehtedele, kus need puudusid sajandi lõpul ja 20. sajandi algul valmistatud nn. verstase kaardi põhiliste maakatteüksuste vektoriseerimine. 3. Horisontaalide digimine nõukogudeaegsetelt topokaartidelt ja orienteerumiskaartidelt kolmemõõtmelisse faili. 4. Maapinna kõrgusmudeli genereerimine horisontaalidest. 5. Mullakirjelduste klassifitseerimine väiksemaks arvuks klassifikatsiooniüksusteks. 6. Vektorkaartide (põhikaart, verstane kaart, mullakaart, välikaardistus) ja kõrgusmudeli rasteriseerimine. 7. Nõlvakallete, suhteliste kõrguste ja kõveruste genereerimine kõrgusmudelist. 8. Regressioonimudeli koostamine muldade esinemistõenäosuse arvutamiseks reljeefi parameetrite järgi. 9. Mullakaardi segaeraldustes olevate pikslite mullaklassi prognoosimine. Genereeritud kaardil ei üritatud eristada veekogude tüüpe ega Otepää kandis vähese pinnaga kasvukohatüüpe: sambliku, kanarbiku, pika tarna, humala mets, prügila. Samuti on teed, väljakud ja muud tehisalad ühte klassi liidetud. 1 : mullakaardi andmete teisendamine oli vajalik kahel põhjusel. Esiteks on mullakaardi andmebaasis suur hulk segaeraldusi, mis tähendab, et samasse eraldusse on näidatud rohkem kui üks muld, aga muldade paiknemist segaeralduse piires ei ole kuidagimoodi määratletud. Teiseks takistab andmete automaattöötlust koodide paljusus, mis osaliselt on tingitud vigastest koodidest. Võib väita, et andmebaas on tehniliselt kontrollimata. Teisest küljest aga ei ole andmebaasis üldistatumat ja lihtsamat muldade klassifikatsiooni. Lõimiseid on üritatud lihtsustatult esitada väljal lihtlõimis, lõimiste lihtlõimiseks teisendamise reegleid ei ole aga andmebaasi metaandmetes antud ja tehtud teisendus ei paista küll reeglipärane olevat (tabel 1). Tabel 1. Väljavõte mullakaardi andmebaasist. MSLINK MAPID Siffer Sif1 Osa1 Sif2 Osa2 Sif3 Osa3 Sif4 Osa4 Boniteet Loimis1 Loimis2 Lihtloimis Lk-(2);LP(3;2) ;D;M77 Lk-(2) 40 LP(3;2) 30 D 20 M sl/ls ls sl/ls E3k(2) E3k(2) ls +sl/+ls ls D D liv liv Lk-;Lk-(1) Lk- 70 Lk-(1) liiv l D(1),Dg(1) D(1),Dg(1) sl/ls_ LP;LPe;Koe LP 40 LPe 40 Koe v _2ls/v_2ls v _2sl/v _2ls rls/rls Ke Ke vsl/vls vsl/vls Ke;E2k Ke 70 E2k v_2sl/v_2ls v2sl/v2ls K(3) K(3) vkr rl E2o E2o v sl/vkr sl/l K-(3);D K-(3) 70 D v _2sl60/+krsl sl65/+ls_2 rsl/rsl LPe LPe v _1ls v1ls Ke Ke v_1ls v1ls Dg Dg Lk-(4) Lk-(4) kr liiv r E2o E2o kr l LP LP kr/+kr v sl/+kr r/r Muldade klassifikatsiooni automaatseks lihtsustamiseks loodi Otepää kõrgustiku ja Saaremaal olevate testalade muldade andmetel mullakoodide ja lõimisekoodide eri tasemel klassifikatsioonide üleminekumaatriksid ja teisendusprogramm. Lõimiste teisendamise maatriksis on andmebaasist leitud 5591 formaalselt erineva lõimis1 koodile vastav lõimis 19-klassilises süsteemis. Mullatüübi teisendamise maatriksis on 572 formaalselt erineva Sif1, Sif2, Sif3 või Sif4 koodile 2
3 vastav mullatüüp 50-klassilises süsteemis. Lihtsustatud klassidest esineb Otepää looduspargis 15 lõimisetüüpi ja 32 mullatüüpi. Muldade paiknemise prognoosimiseks segaeralduste sees koostati logistilise seosefunktsiooniga mitmetunnuseline üldistatud lineaarne mudel. Sõltuvad tunnused on 49 mullatüübi esinemise tõenäosus, sõltumatud tunnused on maapinna suhteline kõrgus, kõverus ja kaldenurk. Mudelis on seega koos vabaliikmetega 4 49 = 196 parameetrit. Mullakaardi segaeralduste muldade paiknemise modelleerimiseks on koostatud arvutiprogramm, mis igale segaeralduse pikslile mullatüübi omistamisel eralduses näidatud muldade hulgast arvestab nii mullakaardil näidatud muldade vahekorda kui ka mulla suhtelist esinemistõenäosust vastavalt regressioonimudelile. Tänu sellele on kasvukohatüüpide kaardi koostamisel arvestatud ka segaeralduste, mis enamasti on suhteliselt suure pindalaga, väiksema osakaaluga muldi. Topograafilised tunnused kasvukohatüüpide indikaatoritena Topograafilised tunnuseid saab käsitleda piksli omadustena. Iga topograafilise ja muu tunnuse usaldatavus ehk indikaatorväärtus võib seejuures olla erinev. Sama topograafiliste tunnuste indikaatorväärtus võib olla erinev ka iga erineva kasvukohatüübi äratundmisel. Näiteks Otepää testalade andmetel on tehisalad, õed, teed ja veekogud kõige usaldusväärsemad põhikaardil, soometsa piiritlemisel on kõige rohkem kasu mullakaardi mullatüübist, sarapuu kasvukoha puhul aga mullakaardil olevast mulla lõimisest. Indikaatorväärtust saab mõõta kahe andmekihi väärtusklasside suhtelise kokkulangevuse ja kokkulangevuse statistilise olulisuse kaudu. Suhtelise kokkulangevuse all mõistetakse siinkohal pindade kokkulangevust võrreldes oodatava kokkulangevusega nende juhupaiknemise korral. Kui tegelik kokkulangevus on väiksem juhupaiknemise korral oodatavast, on indikaatorväärtus <1 (logaritmkujul negatiivne). Kui klassifitseeritud tunnuste kokkulangevus on suurem kui juhupaiknemisel oodatav, on indikaatorväärtus >1 (logaritmkujul positiivne). Pindobjektide juhupaiknemise korral oodatava kokkulangevuse arvutamiseks korrutatakse ühe klassi pindala teise klassi pindalaga ja jagatakse kogu uuritava ala pindalaga. Pikslite kaupa arvestuse korral on pindalade asemel pikslite sagedused. Indikaatorväärtusi uuriti testalade välikaardistuse andmete järgi. Kahe andmekihi kokkulangevuse statistilist olulisust saab leida mõõtes andmekihtide kokkulangevust juhuslike nihutuste järel. Paiknemise juhuslikkuse saavutamiseks piisab, kui nihutada vaid ühte andmekihti. Kui nihutamisel üle uuritava ala serva läinud osa uuritud ala vastasserva paigutatakse, on tegemist toroidnihutusega. Nihutamine toimub justkui suvalises suunas toruks keeratud pinnal. Iga nihutuse järel mõõdetakse nähtuste kokkulangevus. Paljukordse nihutamise järel saab võrrelda, kui sageli tekib nii suur või väike suhteline kokkulangevus puhtjuhuslikult. Korduvaid juhusliku ulatusega toroidnihutusi tuleb eelistada statistilistele testidele (nagu χ2-test), sest toroidnihutused säilitavad võrreldavate nähtuste ruumistruktuuri ja väldivad ruumilise autokorrelatsiooni tõttu ekslikult oluliste statistiliste seoste saamist. Nähtuste kokkulangevust uuriti nii nominaalsete kui ka pidevate tunnuste puhul (näited tabelis 2 ja 3). Pidevad tunnused jagati detsiilklassidesse, s.t. klassipiirid valiti nii, et igas klassis oleks kümnendik vaatlustest. Kuigi üks kasvukoht peaks oodatavalt esinema vaid teatud muldadel ja reljeefivormidel, ei ole kokkulangevused täielikud. Põhjuseid on mitmeid: kõigil kaartidel on mingi plaaniline viga, kaardid kasutavad erinevaid klassifikatsiooniüksusi, kaardid on erineva generaliseerimistasemega ja generaliseerimisviisiga. Kokkulangevuse hulka ja tõenäosust saab sellegipoolest arvutada ja paiknemise seaduspärasused üldiselt vastavad varasematele arusaamadele kasvukohatüüpidest. Kokkulangevusi määrati eelkõige reaalsete kasutada olevate topograafiliste andmestike hindamiseks, mitte looduses olevate seaduspärasuste uurimiseks. Seetõttu jäeti ka topograafilistes andmetes olevad ilmsed vead parandamata. Looduse kohta kehtivad indikaatorkaalud sedavõrd, kuivõrd kartograafilised andmed loodust kajastavad. 3
4 Tabel 2. Erinevate nõlvakallete ja mõnede kasvukohatüüpide suhteline kokkulangevus juhupaiknemise korral oodatava kokkulangevuse suhtes ning selle statistiline olulisus (p) protsentides. Olulised positiivsed seosed on rasvases kirjas. Nõlvakalle Kasvukohatüüp < >14 Sarapuu , p Mustika 1,1 1,3 1,1 1,1 0,9 0,7 0,6 p Angervaksa p Soostunud niit , p Tabel 3. Erinevate mullalõimiste ja mõnede kasvukohatüüpide suhteline kokkulangevus juhupaiknemise korral oodatava kokkulangevuse suhtes ning selle statistiline olulisus (p) protsentides. Olulised positiivsed seosed on rasvases kirjas. Mulla lõimis Kasvukohatüüp savi liivsavi saviliiv saviliiv liivsavil liiv lubjakivine saviliiv lubjakivine liiv veeristik/ kruus turvas Sarapuu 0,1 0,6 1,3 1,3 0,6 4,1 1,5 3,7 0,2 p Mustika 0,0 0,2 0,3 0,2 3,1 0,3 0,8 0,3 0,4 p Angervaksa 2,9 1,2 0,9 0,7 1,0 0,0 0,3 0,0 1,7 p Soostunud niit 4,6 1,4 1,5 0,5 0,6 0,0 0,3 0,0 1,6 p Indikaatorkaalud Indikaatorkaaluna kasutati sarnasuste arvutamisel kasvukohatüübi sagedust tunnuse väärtusklassis testaladel. Indikaatorkaal omistati iga kasvukohatüübi ja iga tunnuse kombinatsioonile (näited tabelis 4 ja 5). Indikaatorkaalud näitavad kasvukohatüübi esinemistõenäosust argumenttunnuse selle väärtuse korral. Pidevate muutujate indikaatorkaaluks võeti kasvukohatüübi osakaal pideva muutuja detsiilklassis. Tugevaimad seosed esinevad mitmete erinevate topograafiliste tunnuste ja kasvukohatüüpide vahel (tabel 5). Tabel 4. Kasvukohatüüpide esinemissagedus [%] testalade välitööde andmetel erinevate nõlvakallete korral. Juhupaiknemisest statistiliselt oluliselt suuremaid kokkulangevusi (rasvases kirjas) kasutati tunnuse indikaatorkaaluna vastava kasvukohatüübi puhul ja need väärtusklassid on esindatud vastava kasvukohatüübi etalonide hulgas. Nõlvakalle Kasvukohatüüp < >14 Sarapuu 4,6 7,0 9,1 11,2 14,8 19,1 32,9 Mustika 3,4 4,0 3,6 3,4 2,9 2,4 2,0 Angervaksa 3,3 2,6 1,6 1,1 0,7 0,5 0.1 Soostunud niit ,
5 Tabel 5. Kasvukohatüüpide esinemissagedus [%] testalade välitööde andmetel mõnede mullalõimiste korral. Juhupaiknemisest statistiliselt oluliselt suuremaid kokkulangevusi (rasvases kirjas) kasutati tunnuse indikaatorkaaluna vastava kasvukohatüübi puhul ja need väärtusklassid on esindatud vastava kasvukohatüübi etalonide hulgas. Mulla lõimis Kasvukohatüüp savi liivsavi saviliiv saviliiv liivsavil liiv lubjakivine saviliiv lubjakivine liiv veeristik/ kruus Sarapuu 0,5 6,6 14,1 13,9 6,7 45,0 16,4 40,7 2,0 Mustika 0,0 0,7 0,9 0,6 10,0 0,9 2,5 1,0 1,1 Angervaksa 5,9 2,3 1,9 0,5 2,0 0,1 0,5 0,0 3,4 Soostunud niit 3,5 1,1 1,2 0,4 0,4 0,0 0,2 0,0 1,2 turvas Tabel 6. Parimad indikaatortunnused testalade välikaardistuse andmetel. Indikaatorkaal = sagedus topograafilise tunnuse antud väärtuse korral [%]. Tunnus Kasvukohatüüp Indikaatorkaal Järv põhikaardil Järv 96.6 Kõdusooniit põhikaardil Kõdusooniit 89.1 Sügav rabamuld (R ) mullakaardil Rabamets 81.4 Õu ja hooned põhikaardil Õu/aed 73.3 Koreserikas rähkmuld (Kr) mullakaardil Maasika 72.4 Haljasala põhikaardil Muru 70.0 Kivine saviliiv mullakaardil Sarapuu 53.8 Madalsoo põhikaardil Madalsoo 51.7 Gleistunud leedemuld (Lg) mullakaardil Mustika 48.3 Põld põhikaardil Sööt 47.5 Lubjakivine saviliiv mullakaardil Sarapuu 45,0 Harvik verstasel kaardi Sööt 44.8 Rohumaa põhikaardil Kuiv pärisaruniit 43.2 Kruus, rähk või veeristik mullakaardil Sarapuu 40.7 Rähkmuld (K) Sarapuu 38.4 Leedemuld (L) Pohla 38.4 Sügav siirdesoomuld (S ) Siirdesoomets 36.6 Näivleetunud gleimuld (LPG) mullakaardil Angervaksa 34,5 Nominaalse tunnuse puhul on klass kas sama või erinev. Pidevate tunnuste puhul on võimalik hälvet reaalarvuliselt mõõta. Seetõttu kasutati pidevate tunnuste indikaatorkaale paraboolse hälbekoefitsiendiga. Kui [1 (Ve-Vs)2/ σ2 t ] > 0, siis: wk = wp * [1 (Ve-Vs)2/σ2 t ] Ve tunnuse väärtus etalonil; Vs tunnuse väärtus klassifitseeritaval objektil (pikslil); σ2 t tunnuse dispersioon testaladel; wk korrigeeritud kaal; wp tunnuse kaal. Kui [1 (Ve-Vs)2/ σ2 t ] <= 0, siis: wk = 0. 5
6 Kasvukohatüüpide topograafilised etalonid Tunnuste kõiki võimalikke ja/või uuritaval alal esinevaid kombinatsioone ei ole vajadust näidiste kogumisse haarata. Pikslid, mille tunnuste kombinatsiooni etalonide hulgas ei leidu, liigitatakse vastavalt sarnasusele olemasolevate etalonidega. Otepää looduspargis enamlevinud 31 kasvukohatüübi kirjeldamiseks moodustati etalon-pikslite komplekt, milles on 7 topograafilise tunnuse 317 erinevat tüüpkombinatsiooni (tabel 7). Etalonide komplekti koostamisel on arvestatud nii välikaardistuse andmeid kasvukohtüüpide ja koha topograafiliste tunnuste koosesinemise kohta kui ka kasvukohatüüpide kirjeldusi (Paal, 1997). Kasvukohatüüpe kirjeldab erinev etalonide arv. Õu, teed ja tehisalad, haljasala, pohla ning karusambla-mustika kasvukohatüüp on esindatud vaid ühe etaloniga. Kuiv pärisaruniit aga 36 erineva mullatüübi, mulla lõimise ja põhikaardi ala kombinatsiooniga (verstasel kaardil on praegune kuiv pärisaruniit reeglina põllumaa). Tabel 7. Etalonide näited. Kriipsuga tähistatud tunnuseid sarnasuse arvutamisel ei kasutatud. L leedemuld, AG alluviaal-gleimuld, G gleimuld, LPG näivleetunud gleimuld, Dg gleistunud deluviaalmuld, Lkg gleistunud leetmuld, DG deluviaal-gleimuld, LPg gleistunud näivleetunud muld, sl/ls - saviliiv liivsavil. Topograafiline tunnus Kasvukohatüüp nõlva kalle kõverus suhteline kõrgus [dm] muld lõimis verstane põhikaart Pohla L liiv mets mets Angervaksa AG savi rohumaa mets Angervaksa G savi rohumaa mets Angervaksa LPG savi rohumaa mets Sõnajala Dg sl/ls mets mets Sõnajala Lkg sl/ls mets mets Sõnajala DG sl/ls mets mets Sõnajala LPG sl/ls mets mets Sõnajala LPg sl/ls mets mets Etalonidega võrdlemine Etteantud näidistega ehk analoogidega ehk etalonidega võrdlemine (inglise keeles analogue matching) ei sea eeldusi tunnuste tüüpidele ega tunnuse väärtuste statistilisele jaotusele. Meetodit saab kasutada ka juhul, kui osa sõltumatuid tunnuseid on nominaalsed ja osa pidevad või osa tunnuseid üldse mõõtmata. Etalonide kasutamise ainus eeldus on, et objektide sarnasust peab olema võimalik arvuliselt mõõta ja võrrelda. Meetod sobib eriti hästi heterogeensete klasside puhul igat klassi võib esindada mitu etaloni. Etalonideks on kasvukohatüüpide kaardi genereerimisel klassifitseeritavate üksuste, s.o. pikslite näidised. Klassifitseeritavateks objektideks on kaardi pikslid. Igat pikslit võrreldakse etalonidega. Kui uuritava piksli mingi tunnuse klass vastab etalonile, saab etaloni kasvukohatüüp sellelt tunnuselt indikaatorkaaluga võrdse hulga punkte. Kui klass etalonile ei vasta, siis punkte ei lisata. Iga kasvukohatüübi puhul jagati kõigi tunnuste, mis on nii etalonil kui ka pikslil määratud, eest saadud kaalupunktide keskmine selle etaloni kaalupunktide keskmisega tunnuste täieliku kokkulangevuse korral. Saadakse iga piksli ja iga etaloni normeeritud sarnasus. Normeeritud sarnasus arvutati iga piksli puhul iga kasvukohatüübi jaoks eraldi. Normeeritud sarnasus on reeglina vahemikus 0 1, väärtused üle ühe on võimalikud, kui pikslil on mõni tunnus vähem määratud kui etalonil ja määratud tunnused on suhteliselt kõrge indikaatorkaaluga. Pikslile omistatakse see klass, kuhu kuulub talle kõige sarnasem etalon. Kuna J.Paali (1997) kasvukohatüüpide klassifikatsioon sisaldab lisaks maapinna omadustele ka maakasutust, siis toimus etalonidega võrdlemine eraldi põhikaardijärgsetes laiades maakatteklassides (veekogud, sood ja põõsastik, mets ja raiesmik, põllu- ja rohumaad, tehisalad). Eelvalik võimaldas kaardi arvutust umbes kolm korda kiirendada ja säilitas kasvukohatüüpide 6
7 kaardil põhikaardijärgsed metsa ja lageda piirid. Mitmetel kasvukohatüüpidel on etalonid mitmes põhikaardi laias maakatteklassis. Näiteks naadi kasvukohatüüpi esindavad nii põhikaardi metsale kui ka põõsastikule vastavad etalonid. Iga piksli puhul fikseeriti sarnasus, mille juures otsus langetati. Enamikule pikslitest leidus etalonide hulgas mõni sarnane näidis. Vaid 0,015% pikslitest klassifitseeriti väiksema kui 50% sarnasuse juures. Nende kohtade topograafilised omadused ja andmete õigsus vajab täiendavat uurimist. Kas on kasvukohatüüpide etalonide hulgast mõni oluline tunnuste kombinatsioon puudu või on põhjuseks eelkõige topograafilistes andmetes esinevad vigased kombinatsioonid? Keskmine sarnasus lähima etaloniga on üldiselt väiksem suuremal suhtelisel kõrgusel, järsemal nõlval, suuremal positiivsel või negatiivsel maapinna kõverusel, gleimuldadel ja õhukestel soomuldadel (joonis 2). Keskmine sarnasus lähima etaloniga on üldiselt väiksem metsas (tabel 8.). Tabel. 8. Kasvukohatüüpide keskmine sarnasus [%] kõige sarnasema etaloniga. Kasvukohatüüp Sarnasus Kasvukohatüüp Sarnasus Pohla 82 Kuiv paluniit 82 Mustika 96 Kuiv pärisaruniit 87 Jänesekapsa-mustika 73 Niiske pärisaruniit 78 Jänesekapsa 77 Soostunud niit 85 Maasika 73 Liigivaene madalsoo 95 Sarapuu 75 Rohu-siirdesoo 98 Naadi 73 Mättaraba 99 Paju 87 Veekogu 100 Sõnajala 82 Õu/aed 73 Angervaksa 68 Sööt 85 Karusambla-mustika 98 Muru 100 Madalsoomets 91 Põld 84 Siirdesoomets 91 Tehisala 100 Rabamets 99 Kõdusooniit 87 Mustika-kõdusoo 98 Sürjaniit 72 A. 20 B. 90 sagedus [%] >95 <46 keskmine sarnasus >25 sarnasus [%] nõlvakalle [ ] 95 C. D. keskmine sarnasus suhteline kõrgus [dm] keskmine sarnasus tipp/nukk ühtlane nõlv jalam/lohk Joonis 2. A. Pikslite sarnasuste jaotus võrreldes kõige sarnasema etaloniga. B. Keskmine sarnasus sõltuvalt nõlva kaldenurgast. C. Keskmine sarnasus sõltuvalt suhtelisest kõrgusest. D. Keskmine sarnasus sõltuvalt maapinna kõverusest. 7
8 Tulemus Eelkirjeldatud arvutuste tulemusel saadi kogu Otepää looduspargi taimkatte kasvukohatüüpide kaart (joonis 3). Seda saab loodetavasti kasutada taimkatte modelleerimisel, looduskaitseliste ja mitmesuguste territoriaalplaneerimisega seotud otsuste langetamisel, aga pärast tõenäolise taimkatte modelleerimist võib olla ka süsinikubilansi arvutustes. Välitöö ja genereeritud kaardi kokkulangevus ei ole eriti hea, kapa koefitsient vaid 0,28. See ei pruugi aga tingimata viidata metoodika vildakusele. Tuleks silmas pidada järgnevat: 1) teatud plaaniline viga ja klassifikatsioonide erinevus on kõigis lähteandmetes, 2) välikaardistus juhindus kasvukohatüübi määramisel taimkattest, kaardi genereeriti aga kartograafilistest andmete, sealhulgas mullakaardi, järgi, 3) eralduste kasutamisel loetakse kaardistatavad nähtused ühe eralduse piires ühetaolisteks, mis ei pruugi detailsemal tasemel päris õige olla, 4) kasvukohatüübide üksteiseks üleminek on tihti kas ruumiliselt või taksonoomiliselt sujuv. Kasvukohatüüpide vahel ei ole ristumisbarjääri. Kindlate klassifikatsiooniüksuste korral tuleb aga ka üleminekuvormid mingisse etteantud klassi liigitada. Erinevate kaardistajate või erinevate meetoditega saadud formaalselt erinevad kaardid ei pruugi seetõttu looduse suhtes nii erinevad olla, kui formaalselt võttes paistab. Paljudes kohtades kuulub osa mingisse välikaardistuse eraldusse jäävatest pikslitest genereeritud kaardil samasse kasvukohatüüpi, mis välitööl hinnatud, osa piksleid aga mingisse muusse klassi. Näiteks osa põldu on klassifitseeritud söödiks, osa rohumaaks. Välikaardistuse kokkulangevus genereeritud kaardiga on parem õuede, tehisalade, haljasala, pohlametsa, mustikametsa, sarapuumetsa, rabametsa, kõdusooniidu, madalsoo, raba ja veekogude osas. Seevastu välikaardistajate arusaam salumetsast (naadi- ja sõnajala kasvukohatüüp) ning paluniidust, niiskest aruniidust ja soisest niidust erineb tunduvalt kartograafiliste andmete järgi genereeritust. Erinevused on suured ka põldude, söötide ja kuivade pärisaruniitude omavahelises proportsioonis ja paiknemises. Need klassid kajastavad pigem momendi maakasutust kui kasvukoha maapinnast tulenevaid püsivaid omadusi. On loomulik, et mulla ja reljeefi järgi ei saa eriti täpselt hinnata, milline koht on parajasti söötis, saab esitada vaid mingi tõenäosuse. Samuti ei piisa kasutatud lähteandmetest soode kuivendatuse automaatseks hindamiseks. Kõdusoometsad paiknevad keskmiselt ümbruse suhtes veidi kõrgemal, kuid seos on nõrk ja kõdusoometsade piiritlemine soometsadest välikaardistusel ja genereeritud kaardil enamasti erineb. Kokkuvõte Etalonidega võrdlemine on sisuliselt klasteranalüüs etteantud klastrikeskmetega, kus klastrid võivad olla ka mitmekeskmelised. Etalonidega samastamine on küll ühest küljest väga paindlik ja universaalne meetod, kuid teisest küljest jätab suur paindlikkus rohkelt ruumi subjektiivsusele. Oma arusaamade vormistamine etalonide komplektiks võib olla nii kunst kui teadus. Seda nii etalonide valikul kui ka sarnasuse arvutamise viisi valikul. Milline ja kui suur etalonide komplekt on optimaalne, millisel viisil tuleks arvutada sarnasusi, kas kasutada indikaatorkaale ja millised peaksid olema indikaatorkaalud ühel või teisel juhul, võib olla täiendavate uurimuste teemaks. Kõik kaardid sisaldavad (erinevast) generaliseerimisest ja eksimustest tingitud ebatäpsusi, sellegipoolest saab topograafilisi andmeid kasvukohatüüpide ja järgnevalt taimkatte prognoosimisel kasutada. Välikaardistus iseloomulikke taimede järgi võib anda üsna erineva tulemuse, võrreldes topograafiliste (k.a. muld) tunnuste järgi määratud kasvukohatüüpidega. Millist klassifikatsiooni lugeda õigeks, mida vääraks, sõltub suuresti meie endi arusaamadest. Uurimus sai võimalikuks tänu Otepää looduspargi administratsiooni, Euroopa Liidu 5 raamprojekti projekti SPIN (Spatial Indicators for Nature Conservation) ja Eesti Teadusfondi granti nr toetusele. Mullakaarti ja põhikaarti kasutati vastavalt Riigi Maa-ameti litsentsilepingule nr. 107, 17. oktoobrist Välitöödel osalesid Kaupo Kohv, Jaanus Remm ja Mare Remm, välitööde digimisel tegi lisaks kaardistajatele suure osa tööst Anne Jääger. Autor on tänulik ka Ivar Aroldile ja Ülo Manderile lahkete nõuannete eest. 8
9 Kirjandus Arold, I., Järvet, A., Remm, K Keskmismõõtkavaline Eesti maastikutüüpide kaart. Lk kogumikus: Loodusliku mitmekesisuse kaitse viisid ja vahendid. Eesti ökoloogiakogu, EV keskkonnaministeerium, Eesti Põllumajandusülikool. Birks, H.J.B Quaternary palaeoecology and vegetation science - Current contributions and possible future developments. Review of Paleaobotany and Palynology 79, (1-2): Flower, R.J, Juggins, S., Battarbee, R.W Matching diatom assemblages in lake sediment cores and modern surface sediment samples: The implications for lake conservation and restoration with special reference to acidified systems. Hydrobiologia, 344: Klijn, F., Groen, C.L.G., Witte, J.P.M Ecoseries for potential site mapping, an example from the Netherlands. Landscape and Urban Planning 35: McKenzie, N.J., Ryan, P.J Spatial prediction of soil properties using environmental correlation. Geoderma, 89, (1-2): Paal, J Eesti taimkatte kasvukohatüüpide klassifikatsioon. Tallinn 297 lk. Remm, K Elupaikade kaardistus Otepää Looduspargi kaitsekorralduskava jaoks. Käsikiri Otepää looduspargi administratiivkeskuses Otepääl. Wilds, S., Boetsch, J., Manen, F.T. van. Clark, J.D., White, P.S Modeling the distributions of species and communities in Great Smoky Mountains National Park. Computers and Electronics in Agriculture, 27:
10 A. F. B. G. C. H. D. I. E. J. Joonis 1. Kasutatud topograafiliste andmete näited Kääriku juurest. A. Orienteerumiskaart. B. Põhikaart. C. Topokaardistus 1980ndatest aastatest. D. Verstane kaart. E. Taimkatte välikaardistuse eralduste piirid. F. Suhteline kõrgus [dm]. G. Nõlvakalle [ ]. H. Lõimised. I. Kaartide kokkulangevus: reljeef (pruun), mullakaart (sinine), taimkatte välikaardistus. J. Tulemus: kasvukohatüüpide kaart (legend joonis 3 juures). 10
11 Joonis 3. Etalonidega samastamise meetodil genereeritud Otepää looduspargi kasvukohatüüpide kaart. Punane joon looduspargi piir. 11
1 Keskkonnamõju analüüs Koostajad: Koostamise aeg: metsaparandusspetsialist Jüri Koort algus: bioloogilise mitmekesisuse spetsialist Toomas
1 Keskkonnamõju analüüs Koostajad: Koostamise aeg: metsaparandusspetsialist Jüri Koort algus: 04.04.2016 bioloogilise mitmekesisuse spetsialist Toomas Hirse lõpp: 08.12.2017 Tabel 1. Objekti üldandmed
Rohkem1 Keskkonnamõju analüüs Koostajad: Koostamise aeg: metsaparandusspetsialist Madi Nõmm algus: bioloogilise mitmekesisuse spetsialist Toomas
1 Keskkonnamõju analüüs Koostajad: Koostamise aeg: metsaparandusspetsialist Madi Nõmm algus: 17.04.2018 bioloogilise mitmekesisuse spetsialist Toomas Hirse lõpp: 24.07.2018 Tabel 1. Objekti üldandmed Harjumaa
Rohkem1 Keskkonnamõju analüüs Räätsa TP-702 Koostajad Koostamise aeg metsaparandusspetsialist Jüri Koort bioloogilise mitmekesisuse spetsialist T
1 Keskkonnamõju analüüs Räätsa TP-702 Koostajad Koostamise aeg metsaparandusspetsialist Jüri Koort 24.08.2016 bioloogilise mitmekesisuse spetsialist Toomas Hirse 22.05.2017 Tabel 1. Objekti üldandmed Viljandimaa
Rohkem1 Keskkonnamõju analüüs Koostajad: Koostamise aeg: metsaparandusspetsialist Jüri Koort algus: bioloogilise mitmekesisuse spetsialist Toomas
Koostajad: Koostamise aeg: metsaparandusspetsialist Jüri Koort algus: 03.2.206 bioloogilise mitmekesisuse spetsialist Toomas Hirse lõpp: 28.2.207 Tabel. Objekti üldandmed Jõgevamaa metskond Nr Maaprandussüsteemi
RohkemKeskkonnamõju analüüs 1 PaasverePÜ-23 Koostajad Koostamise aeg metsaparandusspetsialist Madi Nõmm bioloogilise mitmekesisuse spetsialist To
Keskkonnamõju analüüs 1 PaasverePÜ-23 Koostajad Koostamise aeg metsaparandusspetsialist Madi Nõmm 2017-04-12 bioloogilise mitmekesisuse spetsialist Toomas Hirse 2017-04-12 Tabel 1. Objekti üldandmed Lääne-Virumaa
Rohkem1 Keskkonnamõju analüüs Rääsa Koostajad Koostamise aeg metsaparandusspetsialist Madi Nõmm bioloogilise mitmekesisuse spetsialist Toomas Hir
1 Keskkonnamõju analüüs Rääsa Koostajad Koostamise aeg metsaparandusspetsialist Madi Nõmm 10.01.2017 bioloogilise mitmekesisuse spetsialist Toomas Hirse 24.10.2017 Tabel 1. Objekti üldandmed Ida-Virumaa
RohkemMicrosoft Word - PKT_hindamine_soomullad_2011_LYHI
Soostunud ja soomuldade orgaanilise süsiniku sisaldus ja vastavalt sellele 1:1 mullakaardi võimalik korrigeerimine Töö teostajad: Põllumajandusuuringute Keskuse Mullaseire büroo, kontaktisik Priit Penu
RohkemMETSADE SÄÄSTVA MAJANDAMISE KAVA aastateks Käesolev kava on koostatud metsade kirjelduste põhjal ning annab põhisuunad metsade majandamiseks
METSAE SÄÄSTVA MAJANAMISE KAVA aastateks 2016-2025 Käesolev kava on koostatud metsade kirjelduste põhjal ning annab põhisuunad metsade majandamiseks kooskõlas EESTI SÄÄSTVA METSANUSE STANARI ja kehtivate
Rohkem1 Keskkonnamõju analüüs Loone - Pirgu metsakuivenduse rekonstrueerimine Koostajad Koostamise aeg metsaparandusspetsialist Jüri Koort Raplam
1 Keskkonnamõju analüüs Loone - Pirgu metsakuivenduse rekonstrueerimine Koostajad Koostamise aeg metsaparandusspetsialist Jüri Koort 214-2-27 Raplamaa bioloogilise mitmekesisuse spetsialist Toomas Hirse
RohkemEELNÕU
Keskkonnaministri 4. jaanuari 2007. a määruse nr 2 Vääriselupaiga klassifikaator, valiku juhend, vääriselupaiga kaitseks lepingu sõlmimine ja vääriselupaiga kasutusõiguse arvutamise täpsustatud alused
Rohkemraamat5_2013.pdf
Peatükk 5 Prognoosiintervall ja Usaldusintervall 5.1 Prognoosiintervall Unustame hetkeks populatsiooni parameetrite hindamise ja pöördume tagasi üksikvaatluste juurde. On raske ennustada, milline on huvipakkuva
RohkemPowerPoint Presentation
Maamaksu infosüsteem (MAKIS) Maksustamishind Talumistasud Andres Juss Maa-ameti kinnisvara hindamise osakonna juhataja 13.11.2018 MAKIS eesmärk Kõik omavalitsused kasutavad veebipõhist maamaksu infosüsteemi
Rohkem1 Keskkonnamõju analüüs Koostajad: Koostamise aeg: metsaparandusspetsialist Küllike Kuusik algus: bioloogilise mitmekesisuse spetsialist To
1 Keskkonnamõju analüüs Koostajad: Koostamise aeg: metsaparandusspetsialist Küllike Kuusik algus: 18.05.2015 bioloogilise mitmekesisuse spetsialist Toomas Hirse lõpp: 21.11.2017 Tabel 1. Objekti üldandmed
RohkemPraks 1
Biomeetria praks 6 Illustreeritud (mittetäielik) tööjuhend Eeltöö 1. Avage MS Excel is oma kursuse ankeedivastuseid sisaldav andmestik, 2. lisage uus tööleht, nimetage see ümber leheküljeks Praks6 ja 3.
RohkemVL1_praks6_2010k
Biomeetria praks 6 Illustreeritud (mittetäielik) tööjuhend Eeltöö 1. Avage MS Excel is oma kursuse ankeedivastuseid sisaldav andmestik, 2. lisage uus tööleht (Insert / Lisa -> Worksheet / Tööleht), nimetage
RohkemPraks 1
Biomeetria praks 6 Illustreeritud (mittetäielik) tööjuhend Eeltöö 1. Avage MS Excel is ankeedivastuseid sisaldav andmestik, 2. lisage uus tööleht, nimetage see ümber leheküljeks Praks6 ja 3. kopeerige
RohkemEsitlusslaidide kujundusest
Ülevaade Maa-ameti avaandmetest Tanel Hurt Maa-amet / Geoinformaatika osakond 9. mai 2019 Teemad Andmekogud Ruumiandmete / avaandmete uuendamine Eesti topograafia andmekogu andmed Andmete korraga allalaadimine,
RohkemMicrosoft PowerPoint - loeng2.pptx
Kirjeldavad statistikud ja graafikud pidevatele tunnustele Krista Fischer Pidevad tunnused ja nende kirjeldamine Pidevaid (tihti ka diskreetseid) tunnuseid iseloomustatakse tavaliselt kirjeldavate statistikute
RohkemANOVA Ühefaktoriline dispersioonanalüüs Treeningu sagedus nädalas Kaal FAKTOR UURITAV TUNNUS Mitmemõõtmeline statistika Kairi Osula 2017/kevad
ANOVA Ühefaktoriline dispersioonanalüüs Treeningu sagedus nädalas Kaal FAKTOR UURITAV TUNNUS Factorial ANOVA Mitmefaktoriline dispersioonanalüüs FAKTOR FAKTOR Treeningu sagedus nädalas Kalorite kogus Kaal
RohkemMatemaatika ainekava 8.klass 4 tundi nädalas, kokku 140 tundi Kuu Õpitulemus Õppesisu Algebra (65 t.) Geomeetria (60 t.) Ajavaru kordamiseks (15 õppet
Matemaatika ainekava 8.klass 4 tundi nädalas, kokku 140 tundi Algebra (65 t.) Geomeetria (60 t.) Ajavaru kordamiseks (15 õppetundi) septembernovember korrastab hulkliikmeid Hulkliige. Tehted liidab, lahutab
RohkemMicrosoft PowerPoint - Niitmise_tuv_optiline_ja_radar.pptx
Ettekanne ESTGIS aastakonverentsil 30.11.2012 Niidetud alade tuvastamine multispektraalsete ja radarsatelliidipiltide põhjal Kaupo Voormansik Sisukord 1. Eksperiment 2012 suvel multispektraalsete mõõtmiste
RohkemSularahateenuse hinnastamise põhimõtted SRK 3 12_
Koostas: E. Vinni (sularahateenuste müügijuht) Kinnitas: P. Sarapuu (juhatuse esimees) Vers.: 2 Lk: 1/7 Sularahateenuse hinnastamise põhimõtted Koostas: E. Vinni (sularahateenuste müügijuht) Kinnitas:
RohkemMicrosoft Word - P6_metsamasinate juhtimine ja seadistamine FOP kutsekeskharidus statsionaarne
MOODULI RAKENDUSKAVA Sihtrühm: forvarderioperaatori 4. taseme kutsekeskhariduse taotlejad Õppevorm: statsionaarne Moodul nr 6 Mooduli vastutaja: Mooduli õpetajad: Metsamasinate juhtimine ja seadistamine
RohkemEttevalmistavad tööd 3D masinjuhtimise kasutamisel teedeehituses ning erinevate masinjuhtimise võimaluste kasutamine
Kaasaegsed mõõdistustehnoloogiad droonidest märkerobotiteni Mart Rae Filmimuuseumis 29.03.2019 Lugemist MEHITAMATA ÕHUSÕIDUKI ABIL TEHTUD AEROFOTODE PÕHJAL PUISTANGU MAHTUDE ARVUTAMISE TÄPSUS; Kaupo Kokamägi,
RohkemVL1_praks2_2009s
Biomeetria praks 2 Illustreeritud (mittetäielik) tööjuhend Eeltöö 1. Avage MS Excel is oma kursuse ankeedivastuseid sisaldav andmestik (see, mida 1. praktikumiski analüüsisite), 2. nimetage Sheet3 ümber
RohkemDVD_8_Klasteranalüüs
Kursus: Mitmemõõtmeline statistika Seminar IX: Objektide grupeerimine hierarhiline klasteranalüüs Õppejõud: Katrin Niglas PhD, dotsent informaatika instituut Objektide grupeerimine Eesmärk (ehk miks objekte
RohkemImatra Elekter AS-i võrgupiirkonna üldteenuse arvutamise metoodika 2019 Mai Üldteenuse hinna arvutamise metoodika on kirjeldatud Imatra Elekter AS-i ü
Imatra Elekter AS-i võrgupiirkonna üldteenuse arvutamise metoodika 2019 Mai Üldteenuse hinna arvutamise metoodika on kirjeldatud Imatra Elekter AS-i üldteenuse tüüptingimustes järgnevalt: 4.2. Müüja arvutab
RohkemMicrosoft Word - QOS_2008_Tallinn_OK.doc
GSM mobiiltelefoniteenuse kvaliteet Tallinnas, juuni 2008 Sideteenuste osakond 2008 Kvaliteedist üldiselt GSM mobiiltelefonivõrgus saab mõõta kümneid erinevaid tehnilisi parameetreid ja nende kaudu võrku
RohkemProjekt Kõik võib olla muusika
Õpikäsitus ja projektiõpe Evelin Sarapuu Ülenurme lasteaed Pedagoog-metoodik TÜ Haridusteadused MA 7.märts 2018 Põlva Õpikäsitus... arusaam õppimise olemusest, eesmärkidest, meetoditest, erinevate osapoolte
RohkemSaksa keele riigieksamit asendavate eksamite tulemuste lühianalüüs Ülevaade saksa keele riigieksamit asendavatest eksamitest Saksa keele riigi
Saksa keele riigieksamit asendavate eksamite tulemuste lühianalüüs 2014 1. Ülevaade saksa keele riigieksamit asendavatest eksamitest Saksa keele riigieksam on alates 2014. a asendatud Goethe-Zertifikat
RohkemAntennide vastastikune takistus
Antennide vastastikune takistus Eelmises peatükis leidsime antenni kiirgustakistuse arvestamata antenni lähedal teisi objekte. Teised objektid, näiteks teised antennielemendid, võivad aga mõjutada antenni
RohkemMicrosoft PowerPoint - KESTA seminar 2013
Preventiivsed meetodid rannikukeskkonna kaitseks Bert Viikmäe KESTA TERIKVANT seminar, 7.märts 2013 1 Merereostus oht rannikule Läänemeri - üks tihedamini laevatatav (15% maailma meretranspordist) mereala
RohkemLisa I_Müra modelleerimine
LISA I MÜRA MODELLEERIMINE Lähteandmed ja metoodika Lähteandmetena kasutatakse AS K-Projekt poolt koostatud võimalikke eskiislahendusi (trassivariandid A ja B) ning liiklusprognoosi aastaks 2025. Kuna
RohkemWord Pro - digiTUNDkaug.lwp
/ näide: \ neeldumisseadusest x w x y = x tuleneb, et neeldumine toimub ka näiteks avaldises x 2 w x 2 x 5 : x 2 w x 2 x 5 = ( x 2 ) w ( x 2 ) [ x 5 ] = x 2 Digitaalskeemide optimeerimine (lihtsustamine)
RohkemTartu Ülikool
Tartu Ülikool Code coverage Referaat Koostaja: Rando Mihkelsaar Tartu 2005 Sissejuhatus Inglise keelne väljend Code coverage tähendab eesti keeles otse tõlgituna koodi kaetust. Lahti seletatuna näitab
RohkemMicrosoft PowerPoint - Loodusteaduslik uurimismeetod.ppt
Bioloogia Loodusteaduslik uurimismeetod Tiina Kapten Bioloogia Teadus, mis uurib elu. bios - elu logos - teadmised Algselt võib rääkida kolmest teadusharust: Botaanika Teadus taimedest Zooloogia Teadus
RohkemÕppekava arendus
Õppekava arendus Ülle Liiber Õppekava kui kokkulepe ja ajastu peegeldus Riiklik õppekava on peegeldus sellest ajast, milles see on koostatud ja kirjutatud valitsevast mõtteviisist ja inimkäsitusest, pedagoogilistest
RohkemMicrosoft Word - Mesi, kestvuskatsed, doc
MEEPROOVIDE KESTVUSKATSED Tallinn 2017 Töö nimetus: Meeproovide kestvuskatsed. Töö autorid: Anna Aunap Töö tellija: Eesti Mesinike Liit Töö teostaja: Marja 4D Tallinn, 10617 Tel. 6112 900 Fax. 6112 901
RohkemTELLIJAD Riigikantselei Eesti Arengufond Majandus- ja Kommunikatsiooniministeerium KOOSTAJAD Olavi Grünvald / Finantsakadeemia OÜ Aivo Lokk / Väärtusi
TELLIJAD Riigikantselei Eesti Arengufond Majandus- ja Kommunikatsiooniministeerium KOOSTAJAD Olavi Grünvald / Finantsakadeemia OÜ Aivo Lokk / Väärtusinsener OÜ Tallinnas 14.04.2014 Uuring Energiamajanduse
RohkemPISA 2015 tagasiside koolile Tallinna Rahumäe Põhikool
PISA 215 tagasiside ile Tallinna Rahumäe Põhi PISA 215 põhiuuringus osales ist 37 õpilast. Allpool on esitatud ülevaade i õpilaste testisoorituse tulemustest. Võrdluseks on ära toodud vastavad näitajad
RohkemTARTU ORIENTEERUMIS- NELJAPÄEVAKUD neljapäevak Tehvandi, 1. august Ajakava: Start avatud: Finiš suletakse: Asukoht: Võistlu
TARTU ORIENTEERUMIS- NELJAPÄEVAKUD 2019 16. neljapäevak Tehvandi, 1. august Ajakava: Start avatud: 16.00 19.00 Finiš suletakse: 19.30 Asukoht: Võistluskeskuse, parkimise ja kohalesõidu tähistuse asukohad:
RohkemEesti kõrgusmudel
Meie: 04.06.2002 nr 4-3/3740 Küsimustik Eesti maapinna kõrgusmudeli spetsifikatsioonide selgitamiseks Eestis on juba aastaid tõstatatud küsimus täpse maapinna kõrgusmudeli (edaspidi mudel) koostamisest
RohkemMatemaatiline analüüs IV 1 3. Mitme muutuja funktsioonide diferentseerimine 1. Mitme muutuja funktsiooni osatuletised Üleminekul ühe muutuja funktsioo
Matemaatiline analüüs IV 1 3. Mitme muutuja funktsioonide diferentseerimine 1. Mitme muutuja funktsiooni osatuletised Üleminekul üe muutuja funktsioonidelt m muutuja funktsioonidele, kus m, 3,..., kerkib
RohkemImage segmentation
Image segmentation Mihkel Heidelberg Karl Tarbe Image segmentation Image segmentation Thresholding Watershed Region splitting and merging Motion segmentation Muud meetodid Thresholding Lihtne Intuitiivne
RohkemMicrosoft PowerPoint - Loeng2www.ppt [Compatibility Mode]
Biomeetria 2. loeng Lihtne lineaarne regressioon mudeli hindamisest; usaldusintervall; prognoosiintervall; determinatsioonikordaja; Märt Möls martm@ut.ee Y X=x~ N(μ=10+x; σ=2) y 10 15 20 2 3 4 5 6 7 8
RohkemTartu Ülikool Matemaatika-informaatikateaduskond Matemaatilise statistika instituut Võrgupeo külastaja uurimine Andmeanalüüs I projekt Koostajad: Urma
Tartu Ülikool Matemaatika-informaatikateaduskond Matemaatilise statistika instituut Võrgupeo külastaja uurimine Andmeanalüüs I projekt Koostajad: Urmas Kvell Riivo Talviste Gert Palok Juhendaja: Mare Vähi
RohkemPowerPoint Presentation
LEOSTUMINE Transpiratsioon Leostumine Evaporatsioon Eestis on sademete hulk aastas umbes 1,5 korda aurumisest suurem. Keskmiselt on meil sademeid 550-800 mm ja aurub 320-440 mm aastas (. Maastik) Seniste
RohkemD vanuserühm
Nimi Raja läbimise aeg Raja läbimise kontrollaeg on 2 tundi 30 min. Iga hilinenud minuti eest kaotab võistleja 0,5 punkti. Mobiiltelefoni ei tohi maastikuvõistlusel kaasas olla! Hea, kui saad rajale kaasa
RohkemMakett 209
Veerežiimi muutuste modelleerimine füüsilise ja arvutimudeli abil Karin Robam, Veiko Karu, Ingo Valgma, Helena Lind. TTÜ mäeinstituut Abstrakt Tänapäeval on mitmete keskkonnaprobleemide lahendamiseks ja
RohkemEuroopa Liidu Nõukogu Brüssel, 24. september 2015 (OR. en) 12353/15 ADD 2 ENV 586 ENT 199 MI 583 SAATEMÄRKUSED Saatja: Kättesaamise kuupäev: Saaja: Eu
Euroopa Liidu Nõukogu Brüssel, 24. september 2015 (OR. en) 12353/15 ADD 2 ENV 586 ENT 199 MI 583 SAATEMÄRKUSED Saatja: Kättesaamise kuupäev: Saaja: Euroopa Komisjon 23. september 2015 Nõukogu peasekretariaat
RohkemRelatsiooniline andmebaaside teooria II. 6. Loeng
Relatsiooniline andmebaaside teooria II. 5. Loeng Anne Villems ATI Loengu plaan Sõltuvuste pere Relatsiooni dekompositsioon Kadudeta ühendi omadus Sõltuvuste pere säilitamine Kui jõuame, siis ka normaalkujud
Rohkemlvk04lah.dvi
Lahtine matemaatikaülesannete lahendamise võistlus. veebruaril 004. a. Lahendused ja vastused Noorem rühm 1. Vastus: a) jah; b) ei. Lahendus 1. a) Kuna (3m+k) 3 7m 3 +7m k+9mk +k 3 3M +k 3 ning 0 3 0,
RohkemDIGITAALTEHNIKA DIGITAALTEHNIKA Arvusüsteemid Kümnendsüsteem Kahendsüsteem Kaheksandsüsteem Kuueteistkü
DIGITAALTEHNIKA DIGITAALTEHNIKA... 1 1. Arvusüsteemid.... 2 1.1.Kümnendsüsteem....2 1.2.Kahendsüsteem.... 2 1.3.Kaheksandsüsteem.... 2 1.4.Kuueteistkümnendsüsteem....2 1.5.Kahendkodeeritud kümnendsüsteem
RohkemSissejuhatus mehhatroonikasse MHK0120
Sissejuhatus mehhatroonikasse MHK0120 5. nädala loeng Raavo Josepson raavo.josepson@ttu.ee Pöördliikumine Kulgliikumine Kohavektor Ԧr Kiirus Ԧv = d Ԧr dt Kiirendus Ԧa = dv dt Pöördliikumine Pöördenurk
RohkemPraks 1
Biomeetria praks 3 Illustreeritud (mittetäielik) tööjuhend Eeltöö 1. Avage MS Excel is oma kursuse ankeedivastuseid sisaldav andmestik, 2. lisage uus tööleht, 3. nimetage see ümber leheküljeks Praks3 ja
RohkemVKE definitsioon
Väike- ja keskmise suurusega ettevõtete (VKE) definitsioon vastavalt Euroopa Komisjoni määruse 364/2004/EÜ Lisa 1-le. 1. Esiteks tuleb välja selgitada, kas tegemist on ettevõttega. Kõige pealt on VKE-na
RohkemPRESENTATION HEADER IN GREY CAPITALS Subheader in orange Presented by Date Columbus is a part of the registered trademark Columbus IT
PRESENTATION HEADER IN GREY CAPITALS Subheader in orange Presented by Date Columbus is a part of the registered trademark Columbus IT Täisautomatiseeritud ostujuhtimise lahenduse loomine Selveri näitel
RohkemPowerPoint Presentation
Põllumajanduse suurandmete tegevusvaldkonna teadmussiirde pikaajaline programm 12. märts 2019 Türi Martin Paukson Programmi eesmärk Suurandmete programmi eesmärgiks on andmekasutuse koosvõime tõstmine
RohkemSuunised Euroopa turu infrastruktuuri määruse (EMIR) kohaste kesksetele vastaspooltele suunatud protsüklilisusvastaste tagatismeetmete kohta 15/04/201
Suunised Euroopa turu infrastruktuuri määruse (EMIR) kohaste kesksetele vastaspooltele suunatud protsüklilisusvastaste tagatismeetmete kohta 15/04/2019 ESMA70-151-1496 ET Sisukord I. Reguleerimisala...
RohkemUudiseid k-meride abil bakterite leidmisest [Compatibility Mode]
Uudiseid k-meride abil bakterite leidmisest CLARK: fast and accurate classification of metagenomic and genomic sequences using discriminative k-mers(2015) Rachid Ounit, Steve Wanamaker, Timothy J. Close
RohkemAASTAARUANNE
2014. 2018. aasta statistikatööde loetelu kinnitamisel juunis 2014 andis Vabariigi Valitsus Statistikaametile ja Rahandusle korralduse (valitsuse istungi protokolliline otsus) vaadata koostöös dega üle
RohkemMicrosoft Word - essee_CVE ___KASVANDIK_MARKKO.docx
Tartu Ülikool CVE-2013-7040 Referaat aines Andmeturve Autor: Markko Kasvandik Juhendaja : Meelis Roos Tartu 2015 1.CVE 2013 7040 olemus. CVE 2013 7040 sisu seisneb krüptograafilises nõrkuses. Turvaaugu
Rohkem(10. kl. I kursus, Teisendamine, kiirusega, kesk.kiirusega \374lesanded)
TEISENDAMINE Koostanud: Janno Puks 1. Massiühikute teisendamine Eesmärk: vajalik osata teisendada tonne, kilogramme, gramme ja milligramme. Teisenda antud massiühikud etteantud ühikusse: a) 0,25 t = kg
RohkemM16 Final Decision_Recalculation of MTR for Elisa
OTSUS Tallinn 20.06.2007 J.1-45/07/4 Mobiiltelefonivõrgus häälkõne lõpetamise hinnakohustuse kehtestamine Elisa Eesti AS- le Sideameti 21. märtsi 2006. a otsusega nr J.1-50/06/2 tunnistati AS EMT (edaspidi
RohkemTartu Ülikool Matemaatika-informaatikateaduskond Matemaatilise statistika instituut Ann-Mari Koppel Determinatsioonikordaja ja prognoosikordaja Bakala
Tartu Ülikool Matemaatika-informaatikateaduskond Matemaatilise statistika instituut Ann-Mari Koppel Determinatsioonikordaja ja prognoosikordaja Bakalaureusetöö (6 EAP) Juhendaja: Ene Käärik, PhD Tartu
RohkemMicrosoft PowerPoint - Keskkonnamoju_rus.ppt
Keskkonnakonverents 07.01.2011 Keskkonnamõju hindamine ja keskkonnamõju strateegiline hindamine on avalik protsess kuidas osaleda? Elar Põldvere (keskkonnaekspert, Alkranel OÜ) Kõik, mis me õpime täna,
RohkemM16 Final Decision_Recalculation of MTR for EMT
1 OTSUS Tallinn 22.juuni 2007 J.1-45/07/7 Mobiiltelefonivõrgus häälkõne lõpetamise hinnakohustuse kehtestamine AS EMT- le Sideameti 21. märtsi 2006. a otsusega nr J.1-50/06/2 tunnistati AS EMT (edaspidi
RohkemSlide 1
PIPELIFE EESTI 2017 Pipelife Eesti AS 2018 Indrek Oidram Pipelife Grupi võtmenäitajad Käive: ca 1 miljard EUR Tehased: 26 Euroopas ja USA-s Esindused 26 riigis Töötajaid: 2.700 Peakorter: Vienna/Austria
RohkemPowerPointi esitlus
Maakatastriseaduse muudatused Triinu Rennu Maa-amet sügis 2018 Katastri pidamise eesmärk on maa-andmete registreerimine ja säilitamine, et tagada avalikkusele maa kohta ajakohased alusandmed kinnisasja
RohkemMicrosoft Word - ref - Romet Piho - Tutorial D.doc
Tartu Ülikool Andmetöötluskeel "Tutorial D" realisatsiooni "Rel" põhjal Referaat aines Tarkvaratehnika Romet Piho Informaatika 2 Juhendaja Indrek Sander Tartu 2005 Sissejuhatus Tänapäeval on niinimetatud
Rohkem2016 aasta märtsi tulumaksu laekumine omavalitsustele See ei olnud ette arvatav Tõesti ei olnud, seda pole juhtunud juba tükk aega. Graafikult näeme,
2016 märtsi tulumaksu laekumine omavalitsustele See ei olnud ette arvatav Tõesti ei olnud, seda pole juhtunud juba tükk aega. Graafikult näeme, et märtsis laekus tulumaksu eelmise märtsist vähem ka 2009
RohkemBIM360 ja RealityCapture
DROONID EHITUSES KAASAEGNE PROJEKTIPANK ja selles Reality Capture töövood 10.06.2019 Ettekanne Hendrik Park MINA linkedin.com/in/hendrik park BIM konsultant 2018 - Tootejuht 2018 - Projekteerimise projektijuht
Rohkem6
TALLINNA ÕISMÄE GÜMNAASIUMI ÕPPESUUNDADE KIRJELDUSED JA NENDE TUNNIJAOTUSPLAAN GÜMNAASIUMIS Õppesuundade kirjeldused Kool on valikkursustest kujundanud õppesuunad, võimaldades õppe kahes õppesuunas. Gümnaasiumi
RohkemHWU_AccountingAdvanced_October2006_EST
10. Kulude periodiseerimine Simulatsioone (vt pt 5) kasutatakse ka juhul, kui soovitakse mõnd saadud ostuarvet pikemas perioodis kulusse kanda (nt rendiarve terve aasta kohta). Selleks tuleb koostada erinevad
RohkemMicrosoft Word - Toetuste veebikaardi juhend
Toetuste veebikaardi juhend Toetuste veebikaardi ülesehitus Joonis 1 Toetuste veebikaardi vaade Toetuste veebikaardi vaade jaguneb tinglikult kaheks: 1) Statistika valikute osa 2) Kaardiaken Statistika
RohkemMAJANDUSAASTA ARUANNE aruandeaasta algus: aruandeaasta lõpp: nimi: mittetulundusühing Pärmivabriku Töökoda registrikood:
MAJANDUSAASTA ARUANNE aruandeaasta algus: 01.01.2014 aruandeaasta lõpp: 31.12.2014 nimi: registrikood: 80266953 tänava/talu nimi, Tähtvere 11-7 maja ja korteri number: linn: Tartu linn maakond: Tartu maakond
RohkemMida räägivad logid programmeerimisülesande lahendamise kohta? Heidi Meier
Mida räägivad logid programmeerimisülesande lahendamise kohta? Heidi Meier 09.02.2019 Miks on ülesannete lahendamise käigu kohta info kogumine oluline? Üha rohkem erinevas eas inimesi õpib programmeerimist.
RohkemMicrosoft Word - Järvamaa_KOVid_rahvastiku analüüs.doc
Töömaterjal. Rivo Noorkõiv. Käesolev töö on koostatud Siseministeeriumi poolt osutatava kohalikeomavalitsuste ühinemist toetava konsultatsioonitöö raames. Järvamaa omavalitsuste rahvastiku arengu üldtrendid
RohkemMicrosoft PowerPoint - Tartu_seminar_2008_1 [Read-Only]
Fundamentaalne analüüs Sten Pisang Tartu 2008 Täna tuleb juttu Fundamentaalse analüüsi olemusest Erinevatest meetoditest Näidetest 2 www.lhv.ee Mis on fundamentaalne analüüs? Fundamentaalseks analüüsiks
Rohkem6
TALLINNA ÕISMÄE GÜMNAASIUMI ÕPPESUUNDADE KIRJELDUSED JA NENDE TUNNIJAOTUSPLAAN GÜMNAASIUMIS Õppesuundade kirjeldused Kool on valikkursustest kujundanud õppesuunad, võimaldades õppe kolmes õppesuunas. Gümnaasiumi
RohkemTallinna Tehnikakõrgkooli teadustegevuse kajastus Eesti Teadusinfosüsteemi andmebaasis Agu Eensaar, füüsika-matemaatikakandidaat Eesti Teadusinfosüste
Tallinna Tehnikakõrgkooli teadustegevuse kajastus Eesti Teadusinfosüsteemi andmebaasis Agu Eensaar, füüsika-matemaatikakandidaat Eesti Teadusinfosüsteem (ETIS) (https://www.etis.ee/index.aspx) kajastab
RohkemPowerPoint Presentation
SUVISE RUUMITEMPERATUURI KONTROLL METOODIKA UUENDUSED Raimo Simson 23.04.19 MÕNED FAKTID Viimase 50 aastaga on Eesti suve keskmine temperatuur tõusnud ca 1.5K Aasta maksimumtemperatuurid on tõusnud ca
Rohkem(Microsoft Word - T\366\366leht m\365isaprogramm 4-6 kl tr\374kkimiseks.doc)
4-6 KLASS 1 Minu nimi on Ma olen praegu Täna on 1. KÄRNERIMAJA JA LILLED Kirjuta või joonista siia kolm kärneri tööriista Kirjuta siia selle taime nimi, 1. TÖÖRIIST 2. TÖÖRIIST 3. TÖÖRIIST mida istutasid
RohkemMicrosoft PowerPoint - Ettekanne_3Dprojekt_ESTGIS.ppt [Compatibility Mode]
Tallinna vanalinn - 3D Tallinna Linnaplaneerimise Amet Geoinformaatika osakond Ave Kargaja 21.10.2011 3D projekti eesmärgid Eesti, Tallinna, vanalinna teadvustus Detailsed 3D-andmed Tallinna Ruumiandmete
Rohkem8. klass Õppeaine: GEOGRAAFIA ÕPPESISU ÕPITULEMUSED KLIIMA Õpilane Õpetamise eesmärgid ja teema olulisus: Ilma ja kliimat õppides saavad õpilased ette
ÕPPESISU ÕPITULEMUSED KLIIMA Ilma ja kliimat õppides saavad õpilased ettekujutuse, mis tegurid mõjutavad kliima kujunemist ühes või teises maailma piirkonnas, ülevaate põhi- ja vahekliimavöötmetest ning
RohkemMicrosoft Word - 03_ausus lisaylesanded.doc
ÕPL LS 3 LSÜLSNDD USUS ML eemat usus (sh teisi teemasid) saab sisse juhatada ka HHK- (H HLB KSULK) meetodil. Näiteks: Miks on ausus hea? Miks on ausus halb? Miks on ausus kasulik? H: Hoiab ära segadused
RohkemMicrosoft Word - Sobitusahelate_projekteerimine.doc
Sobitusahelate projekteerimine Vaatleme 3 erinevat meetodit: koondparameetitega elementidel sobitamine häälestusribaga sobitamine veerandlainelõiguga sobitamine Sobitust võib vaadelda koormustakistuse
RohkemI Generaatori mõiste (Java) 1. Variantide läbivaatamine Generaator (ehk generaator-klass) on klass, milles leidub (vähemalt) isendimeetod next(). Kons
I Generaatori mõiste (Java) 1. Variantide läbivaatamine Generaator (ehk generaator-klass) on klass, milles leidub (vähemalt) isendimeetod next(). Konstruktorile antakse andmed, mis iseloomustavad mingit
RohkemWord Pro - diskmatTUND.lwp
Loogikaalgebra ( Boole'i algebra ) George Boole (85 864) Sündinud Inglismaal Lincolnis. 6-aastasena tegutses kooliõpetaja assistendina. Õppis 5 aastat iseseisvalt omal käel matemaatikat, keskendudes hiljem
RohkemELUPUU Eestikeelne nimi Harilik elupuu, levinud ka hiigelelupuu Ladinakeelne nimi Thuja occidentalis ja thuja plicata Rahvapärased nimed Ilmapuu, tule
ELUPUU Eestikeelne nimi Harilik elupuu, levinud ka hiigelelupuu Ladinakeelne nimi Thuja occidentalis ja thuja plicata Rahvapärased nimed Ilmapuu, tulelaps Süstemaatiline kuuluvus Puittaimede perekond,
RohkemKeskkonnakaitse ja ruumilise planeerimise analüüsist Erik Puura Tartu Ülikooli arendusprorektor
Keskkonnakaitse ja ruumilise planeerimise analüüsist Erik Puura Tartu Ülikooli arendusprorektor Teemapüstitused eesmärkidena 1. Ruumiline suunamine ja planeerimine edukalt toimiv 2. Valikute tegemine konkureerivate
RohkemHCB_hinnakiri2017_kodukale
Betooni baashinnakiri Hinnakiri kehtib alates 01.04.2016 Töödeldavus S3 Töödeldavus S4 / m 3 /m 3 km-ga / m 3 /m 3 km-ga C 8/10 69 83 71 85 C 12/15 73 88 75 90 C 16/20 75 90 77 92 C 20/25 78 94 80 96 C
RohkemProjekt Eesti 20. sajandi ( ) sõjalise ehituspärandi kaardistamine ja analüüs 1 / 13 Projekt Eesti 20. sajandi ( ) sõjalise ehituspära
Projekt Eesti 20. sajandi (1870 1991) sõjalise ehituspärandi kaardistamine ja analüüs 1 / 13 Projekt Eesti 20. sajandi (1870 1991) sõjalise ehituspärandi kaardistamine ja analüüs Austla (Karala) piirivalvekordon
RohkemMining Meaningful Patterns
Konstantin Tretjakov (kt@ut.ee) EIO õppesessioon 19. märts, 2011 Nimetuse saladus Vanasti kandis sõna programmeerimine natuke teistsugust tähendust: Linear program (~linear plan) X ülesannet * 10 punkti
RohkemI klassi õlipüüdur kasutusjuhend
I-KLASSI ÕLIPÜÜDURITE PAIGALDUS- JA HOOLDUSJUHEND PÜÜDURI DEFINITSIOON JPR -i õlipüüdurite ülesandeks on sadevee või tööstusliku heitvee puhastamine heljumist ja õlijääkproduktidest. Püüduri ülesehitus
RohkemHCB_hinnakiri2018_kodukale
Betooni baashinnakiri Hinnakiri kehtib alates 01.01.2018 Töödeldavus S3 Töödeldavus S4 / m 3 /m 3 km-ga / m 3 /m 3 km-ga C 8/10 73 87 75 89 C 12/15 77 92 79 94 C 16/20 79 94 81 96 C 20/25 82 98 84 100
RohkemExcel Valemite koostamine (HARJUTUS 3) Selles peatükis vaatame millistest osadest koosnevad valemid ning kuidas panna need Excelis kirja nii, et
Excel2016 - Valemite koostamine (HARJUTUS 3) Selles peatükis vaatame millistest osadest koosnevad valemid ning kuidas panna need Excelis kirja nii, et programm suudaks anda tulemusi. Mõisted VALEM - s.o
RohkemMicrosoft PowerPoint - Kindlustuskelmus [Compatibility Mode]
Olavi-Jüri Luik Vandeadvokaat Advokaadibüroo LEXTAL 21.veebruar 2014 i iseloomustab Robin Hood ilik käitumine kindlustus on rikas ja temalt raha võtmine ei ole kuritegu. Näiteks näitavad Saksamaal ja USA-s
RohkemMicrosoft Word - Praks1.doc
Segamudelid 1. praktikum Mida vähem andmeid, seda parem? (Üldistatud vähimruutude meetod ja heteroskedastilised andmed) Segamudelite praktikumides kasutame R-tarkvara. Kahel aastal on teostatud ühe füüsikalise
Rohkem